[ ] 什么是 AI Agent

1️⃣ 考察意图

面试官想看的不是你能背出“Agent = LLM + 工具”这个定义，而是考察你是否理解Agent与单纯LLM调用的本质区别，以及能否拆解其核心组件（规划、记忆、工具使用）的工程取舍。刁钻点在于：很多人把Agent等同于“调API的聊天机器人”，但面试官要的是你区分“反应式”与“主动式”智能，并展示你对ReAct、Plan-and-Solve等规划范式的理解。答好了能证明你具备系统设计思维，能落地复杂任务自动化，而非只会调Prompt。

2️⃣ 标准答

定义与核心差异AI Agent是一个能感知环境、自主决策并执行多步动作以实现目标的智能体。它与普通LLM调用的关键区别在于：LLM是“一次问答”，Agent是“循环执行”——它需要规划、记忆、工具调用，并在失败时自我修正。比如，用户说“帮我订机票”，LLM直接生成回复；Agent则会拆解为“查航班→比价格→填表单→确认支付”的多步流程。

核心组件

感知模块：接收用户指令或环境反馈（如API返回的JSON）。
记忆系统：

短期记忆：用上下文窗口（如4K/8K tokens）存储当前对话或任务状态。
长期记忆：用向量数据库（如Chroma、Pinecone）存储历史经验，通过embedding检索。
工程取舍：短期记忆受限于token预算，需用滑动窗口或摘要压缩；长期记忆需权衡检索精度与延迟，常用BM25+embedding混合检索。

规划模块：

ReAct（Reasoning + Acting）：交替输出“思考→行动→观察”，如“我需要查天气→调用get_weather(‘北京’)→返回结果”。
Plan-and-Solve：先生成完整计划，再逐步执行，适合复杂任务（如代码生成）。
实际坑：ReAct易陷入循环（如反复调用同一工具），需设置最大步数（如10步）或引入“终止条件”Prompt。

执行模块：调用工具/API（如搜索引擎、计算器、数据库）。工具定义需用OpenAPI规范，并处理错误（如API超时重试3次）。

典型架构

单Agent：如AutoGPT，一个LLM实例负责所有步骤，适合简单任务。
多Agent协作：如ChatDev，分设“产品经理Agent”和“程序员Agent”，通过消息队列通信。取舍点：多Agent提升并行度，但增加协调开销（需定义角色协议和冲突仲裁）。

应用场景

自动化任务：用Agent自动写周报（调用日历API获取事件→生成摘要→发送邮件）。
代码生成：Agent调用编译器执行代码，根据报错信息迭代修复。
客服系统：Agent先检索FAQ，若未解决则转人工，并记录上下文。

3️⃣ 答题模板（30 秒电梯版）

“这个问题我从定义、核心组件、工程取舍三个层面回答。定义上，AI Agent是能自主规划、记忆、调用工具的智能体，区别于LLM的单次问答。核心组件包括：ReAct规划模块、短期+长期记忆、工具执行模块。工程取舍上，短期记忆需用滑动窗口控制token，长期记忆用BM25+embedding混合检索平衡精度与延迟。总结一句：Agent的本质是‘循环执行+自我修正’，而非简单调API。”

4️⃣ 高频追问 & 应对

追问 1：ReAct和Plan-and-Solve有什么区别？什么时候用哪个？

ReAct适合动态环境（如实时数据查询），因为每步都根据观察调整；Plan-and-Solve适合确定性任务（如代码生成），因为计划可复用。取舍点：ReAct易陷入循环，需设最大步数；Plan-and-Solve若计划出错，需重新规划，成本更高。实际中，我常用ReAct+Plan-and-Solve混合：先生成粗略计划，再按ReAct执行，遇到异常时回退到计划层。

追问 2：Agent的长期记忆如何实现？怎么避免检索到无关信息？

用向量数据库（如FAISS）存储历史对话的embedding，检索时用余弦相似度。但纯向量检索可能忽略关键词匹配，所以我会混合BM25（k1=1.5, b=0.75）做稀疏检索，再用RRF（Reciprocal Rank Fusion）融合排序。坑：若记忆库太大（>10万条），检索延迟会飙升，需用HNSW索引（efConstruction=200, M=16）平衡精度与速度。

追问 3：Agent调用工具时，如何处理API返回的错误？

定义工具时，需在OpenAPI规范中声明错误码（如400/500）。Agent收到错误后，先重试（最多3次，指数退避），若仍失败则记录到记忆并切换策略（如换备用API）。实际坑：LLM可能误解错误信息（如把“rate limit”当成“参数错误”），需在Prompt中显式要求“先解析错误类型，再决定重试或放弃”。

5️⃣ 避坑 · 常见错误答法

❌ “Agent就是LLM加个工具调用，比如调个搜索引擎。”→ ✅ “Agent的核心是规划循环（ReAct），LLM只是推理引擎。工具调用只是执行层，关键在如何根据观察修正下一步动作，比如设置最大步数防止死循环。”
❌ “记忆就是存对话历史，用上下文窗口就行。”→ ✅ “短期记忆用上下文窗口（需滑动窗口压缩），长期记忆需向量数据库+BM25混合检索，并处理检索噪声（如用RRF排序）。否则Agent会遗忘关键信息或检索到无关内容。”

6️⃣ 简历呼应

如果你有RAG项目：从“记忆系统”切入，对比RAG的检索增强与Agent的长期记忆，强调Agent需要多步推理（如ReAct）而非单次检索。
如果你只做过传统NLP：用“规划模块”类比，比如把ReAct的“思考→行动”比作传统NLP的“意图识别→槽位填充”，但Agent多了循环和工具调用。
如果你是校招无项目：聚焦AutoGPT论文复现，用LangChain实现一个简单Agent（调用计算器和搜索引擎），并记录其规划日志，展示对ReAct的理解。
Yao et al., “ReAct: Synergizing Reasoning and Acting in Language Models” (2022)
Wang et al., “Plan-and-Solve Prompting: Improving Zero-Shot Chain-of-Thought Reasoning by Large Language Models” (2023)
LangChain官方文档：Agent模块与Tool定义
AutoGPT开源项目：单Agent任务自动化实现
ChatDev论文：多Agent协作架构与角色协议设计

—— 本场面试完 ——